HDFS学习一：简介及shell操作

一、简介

1、HDFS背景及定义

背景：

由于数据量越来越大，一个操作系统存不下所有数据，而分开存储到多个操作系统的话，管理和维护又有诸多不便。迫切需要一种能管理多个机器文件的系统。于是就诞生了分布式文件管理系统。HDFS便是分布式文件管理系统中的一种。

定义：

HDFS(Hadoop Distributed File System) ，是一个用于存储文件的分布式系统，通过目录树来定位文件；由很多服务器联合起来实现功能，服务器具有各自的角色和功能。

使用场景：

适合一次写入，多次读出的场景，不支持文件修改。适合用来做数据分析，不适合作为网盘。

2、优缺点

优点

• 高容错：

能够自动保存多个副本。他通过增加副本的形式，提高容错性；

某个副本丢失，也能够自动恢复。

• 处理数据大规模：

数据规模：能够处理数据规模达到GB、TB甚至PB级别数据；

文件规模：能够处理百万规模以上的文件数量，数量相当大。

• 能构建在廉价机器上，通过多副本机制，提高可靠性

缺点

• 不适合低延时数据访问，比如毫秒级的存储数据，难以做到
• 无法高效的对大量小文件进行存储

存储大量小文件时，它会占用NameNode大量的内存来存储文件目录和块信息。因为NameNode内存有限；

小文件存储的寻址时间会超过读取时间，这违反了HDFS的设计目标。

• 不支持并发写入、文件随即修改。

一个文件只能有一个写，不允许多个线程同时写。

仅支持数据的追加，不支持文件的修改。

3、HDFS的组织架构

 

1）NameNode(nn):就是Master，它是一个主管、管理者。

管理HDFS的名称空间；

配置副本策略；

管理数据块（Block）映射信息；

处理客户端读写请求；

2）DataNode：NameNode下达命令，DataNode执行实际的操作。

存储实际的数据块；

执行数据块的读写操作。

3）client:就是客户端。

文件切分。文件上传到HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传；

与NameNode交互，获取文件的位置信息；

与DataNode交互，读取或者写入数据；

Client提供一些命令来管理HDFS，比如NameNode格式化；

Client可以通过一些命令来访问HDFS，比如对HDFS的增删改查操作；

4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。

辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode；

紧急情况下，可辅助恢复NameNode

4、HDFS文件块大小（重点）

HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数（dfs.blocksize）来规定，默认大小在Hadoop2.x版本中是128M，老版本64M

 

思考：为什么块不能设置太大也不能太小？

块设置太小，会增加寻址时间，程序一直在找块的开始位置；

块设置太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输的速率。

5、HDFS的shell操作

基本语法

bin/hadoop fs 具体命令  OR bin/hdfs dfs 具体命令
dfs是 fs 的实现类

常用命令实操

启动hadoop集群

sbin/start-dfs.sh
sbin/start-yarn.sh

-help:输出这个命令参数

hadoop fs -help rm

-ls：显示目录信息

hadooop fs -ls /

-mkdir：创建目录

hadoop fs -mkdir -p /input/shuguo

-moveFromLocal：从本地剪切粘贴到HDFS

hadoop fs -moveFromLocal ./zhugeliang.txt /input/shuguo

-appendToFile：追加一个文件到已有文件后面

hadoop fs -appendToFile ./guanyu.txt /input/shuguo/zhugeliang.txt

-cat显示文件内容

hadoop fs -cat /input/shuguo/zhugeliang.txt

-chgrp、-chmod、-chown: Linux文件系统中的用法一样，修改文件所属权限

-copyFromLocal：从本地文件系统中拷贝文件到HDFS中

hadoop fs -copyFromLocal ./zhugeliang.txt /input/shuguo

-copyToLocal:从HDFS拷贝文件到本地

hadoop fs -copyToLocal /input/shuguo/zhugeliang.txt ./

-cp、-mv用法和linux一样，是HDFS上的复制和移动

-get：和-copyToLocal功能一样

-getmerge：合并下载多个文件，比如HDFS的目录/shuguo下有多个文件，下载到本地并起名hello

hadoop fs -getmerge /input/shuguo/* ./hello

-put：和-copyFromLocal功能一样

-tail：显示文件末尾

-rm：删除文件或文件夹

-du：统计文件夹的大小信息

-setrep：设置HDFS中文件的副本数量

hadoop fs -setrep 2 /input/shuguo/wc.input